AE (3)_主观亮度和对比度调试

#灵感# 画面的亮度、对比度是最直接,观看者最先获得的感受。所以有必要花时间认真调整。

------哈哈,虽然调试的时间其实不如磨清晰度多。

目录

举个图例:

三个参数AE、gamma、LTM:

调试顺序:

举个图例:

看下面这张图,

第一眼一般是 “右边这张亮、左面那张暗”,

然后再观察,才会发现“右边绿草更嫩,树叶有一些红色的”

如果你再放大,才会继续发现“楼下的红车、前景的绿植轮廓”,说不定还发现一些噪声。

三个参数AE、gamma、LTM:

这三个参数段几乎是所有平台都会有的,主要的对亮度、对比度进行调节的参数。

AE 需要配置曝光表。主观调试 target,控制画面的曝光,使画面有个合适的亮度。

gamma 需要采集灰阶卡raw 图进行校准,虽然可以自行修改曲线,平台一般建议使用他们提供的默认曲线。 (比如sRGB对应的是Gamma0.45所在的空间。经过0.45幂运算,再由显示器经过2.2次幂输出,最后的颜色就和实际物理空间的一致了。)

左(Gamma0.45) 中(Gamma2.2) 右(线性物理空间)

gamma校正是指对sensor所捕获的亮度进行预调,属于一个全局像素的非线性映射。根据上图也可以看出,主要的作用区域在低、中亮度区域。所以客观校准前后是这样的:

客观的标准一般也是相邻两阶灰阶亮度差要大于8,并且这样的阶数要大于等于12阶/14阶。

-------------废话又说多了

LTM (local tone mapping ) 主要在主观调试阶段,手动根据当前效果进行调整。作用是使暗区或亮区的细节更加明显,令对比度增强。一般包括Dark 相关参数,控制暗部区域的提亮效果。一个strength 参数,控制LTM 整体强度。 一个bright 相关参数,抑制亮处区域的效果。比如:

调试顺序:

AE ——> gamma ——> LTM

先用AE 给画面配置一个基础的亮度,可以对着平坦区域(白墙、灰卡),调整target的值,使调试机和对比机的亮度差不多。再换一个有高亮区域的场景,观察高亮区域的过曝程度。如果对比机没有过曝,但是调试机过曝了,还是需要减小 AE target 值。下图灯光下的过曝,可以通过减小target值缩小过曝区域面积。

----------不建议一味的缩小过曝面积,画面中如果缺少高亮信息,通透性会不足,画面会显得灰暗。

基础亮度配置好后,在亮度变化丰富的实景场景,观察全局的亮度和对比度。

画面如果发灰、发暗,则需要调整gamma的global、contrast、或者微调gamma 节点的数值。亮处过暗则抬高亮部值(可能会略微放大过曝的光晕),暗处过亮则降低暗部数值,以拉大对比度,减弱发灰、发蒙。中部的数值控制场景中的主体亮度,如果没有明显亮度差异,可以不调整。gamma 调整的终点是在 AE target 上,使画面亮度、对比度更靠向对比机

如果提高了gamma 的强度,画面暗处亮度增加,导致画面整体有些发灰。比如下图右。则将这部分强度留在LTM 模块进行。使gamma 的调整维持一个较好的亮度、对比度。

建议是所有亮度下,统一用一条gamma 曲线,可以避免切换场景,亮度和对比度有跳跃变化。

LTM的主要作用是提高暗部亮度,增加画面中暗部区域的细节可见性。但缺点是,如果平台的算法不佳,对比度会有明显的损失。优点是调整的程度比较温和,根据index 可以适应多个场景,对gamma的调整效果进行补充。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/242034.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

【Hadoop_06】MapReduce的概述与wc案例

1、MapReduce概述1.1 MapReduce定义1.2 MapReduce优点1.3 MapReduce缺点1.4 MapReduce核心思想1.5 MapReduce进程1.6 常用数据序列化类型1.7 源码与MapReduce编程规范 2、WordCount案例实操2.1 本地测试2.2 提交到集群测试 1、MapReduce概述 1.1 MapReduce定义 MapReduce是一…

WhatsApp获客怎么做?教你五个技巧!

随着全球通信的普及,WhatsApp已经成为人们日常生活中不可或缺的沟通工具,对于跨境电商和外贸企业来说,利用WhatsApp进行获客同样具有巨大的潜力。 那么,如何有效地在WhatsApp上获取客户呢?接下来,我们将为你介绍五个…

Linux系统解决“Key was rejected by service”

Linux系统下加载驱动模块出现如上错误提示的原因为:此驱动未经过签名。 方法一、关闭Secure Boot 如果是物理机,需要开机进入BIOS,找到“Secure Boot”的选项,然后关闭。 如果是虚拟机,可以打开虚拟设置&#xff0c…

物联网与低代码:构建智能化的连接世界

物联网(IoT)是指通过互联网将各种物理设备、传感器、车辆等连接起来,从而实现数据交互和智能化控制的技术领域。而低代码开发平台则是一种快速构建应用程序的方法,通过简化开发过程,使开发人员能够更迅速地实现创意和创…

Nginx【通俗易懂】《中篇》

目录 1.Url重写rewrite 2.防盗链 3.静态资源压缩 4.跨域问题 1.Url重写rewrite 🤩🤩🤩 1.1.rewrite书写格式 rewrite是实现URL重写的关键指令,根据regex(正则表达式)部分内容,重定向到rep…

MS913/914 25-100MHz 10/12 位用于平面显示器链路Ⅲ的具有直流平衡编码和双向控制通道的串化器和解串器

MS913/MS914 芯片组是 25MHz~100MHz 10 位/12 位 FPD Link III SER/DES(串化器/解串器),它提供高速 FPD-Link III 接口和高速正向通路以及用于差分对上数据发送的双向 控制通路。广泛应用于车载摄像,医疗设备,管道探测等领 域。 主要特点…

【强化学习-读书笔记】有限马尔可夫决策过程

参考 Reinforcement Learning, Second Edition An Introduction By Richard S. Sutton and Andrew G. BartoMDP 是强化学习问题在数学上的理想化形式,因为在这个框架下我们可以进行精确的理论说明 智能体与环境的交互 智能体与环境交互,会得到轨迹&…

你真的了解Shiro框架吗?

关注公众号回复20231110获取最新网络安全以及内网渗透等资料。 文章目录 关注公众号回复20231110获取最新网络安全以及内网渗透等资料。Shiro的核心架构Shiro中的认证认证shiro中认证的关键对象 认证流程调试认证流程Shiro的加密过程Shiro中的解密过程总结 Shiro的核心架构 Shi…

ResourceSat2卫星数据下载

印度5米遥感卫星数据开放下载 简介 印度国家遥感中心( NRSC )于近期开放了ResourceSat2卫星的LISS4传感器的数据下载权限,最高分辨率为5米。此次可供下载的有3个波段(近红外/红/绿),下载附带3个GeoTIFF和一个元数据文件&#xf…

计算4*4*4空间中2点结构的分布

不考虑两点距离的情况下,3维空间中的两点最多只有7种位置关系。3条边,3条面对角线,1条体对角线。现在向4*4*4的3维空间中随机的扔2个石子,比较7种结构的占比。 得到表格为 1 96 0.0476 2 96 0.0476 3 288 0.1429 4 288 …

Linux 多版本php ,切换默认版本

1.查看当前默认php版本 ls -l /usr/bin/php 后面的 /usr/local/php/bin/php 表示默认版本 2.查看现在安装了多少版本的php ,可以用 find / -name php 然后切换到到 7.3 版本上 使用命令:ln -sf /usr/local/php7.3/bin/php /usr/bin/php 如果没…

玩转Docker(一):容器生态系统

文章目录 一、核心技术二、平台技术三、支持技术 本文结构如下: 一、核心技术 容器核心技术是指能够让Container在host上运行起来的那些技术。 (1)容器规范 容器不光是Docker,还有其他容器,比如CoreOS的rkt。为了保证…

「Verilog学习笔记」可置位计数器

专栏前言 本专栏的内容主要是记录本人学习Verilog过程中的一些知识点,刷题网站用的是牛客网 timescale 1ns/1nsmodule count_module(input clk,input rst_n,input set,input [3:0] set_num,output reg [3:0]number,output reg zero);reg [3:0] cnt ; always (posed…

AR眼镜_AR智能眼镜整机硬件方案定制

AR眼镜的主要模块包括显示、光学模组、传感器和摄像头、主板、音频和网络连接等。其中,光学显示、主板处理器是决定AR眼镜成本的关键,光机占整体AR眼镜成本43%、处理器占整体成本31%。 AR眼镜的主板设计难点在于尺寸要足够小且要处理好散热问题。主板上的…

VideoComposer:Compositional video synthesis with motion controllability

1.Introduction composer提出了一种一组合性为中心的新的生成范式,能够通过各种输入条件组合生成图像,但是composer主要在空间维度上考虑多级条件。视频复杂的时间结构,其在保持不同帧之间的时间连续性的同时展现出大幅度的时间动态变化。Vi…

【syncfusion】SfGridSplitter 踩坑

SfGridSplitter 是 syncfusion提供的分割线&#xff0c;配合Grid使用可以改变布局大小&#xff1a; <Grid Grid.Row"1"><Grid.ColumnDefinitions><ColumnDefinition Width"1.4*"/><ColumnDefinition MinWidth"10"/><…

Fine-Grained Semantically Aligned Vision-Language Pre-Training细粒度语义对齐的视觉语言预训练

abstract 大规模的视觉语言预训练在广泛的下游任务中显示出令人印象深刻的进展。现有方法主要通过图像和文本的全局表示的相似性或对图像和文本特征的高级跨模态关注来模拟跨模态对齐。然而&#xff0c;他们未能明确学习视觉区域和文本短语之间的细粒度语义对齐&#xff0c;因为…

Linux 中的 container_of 原理

源码基于&#xff1a;Linux 5.10 0.前言 container_of() 这个宏函数在Linux 内核中使用的频率还是很多的。网上关于 container_of 使用的优秀文章也很多&#xff0c;之所以笔者也写一篇&#xff0c;一是想更新下最新代码中的使用&#xff0c;二是融入些自己的拙见&#xff0c;…

排序算法---希尔排序

1. 基本思想 希尔排序是插入排序的一种&#xff0c;它与直接插入排序不同的是&#xff0c;它会优先比较距离较远的元素&#xff0c;因此希尔排序又被称为“缩小增量排序”。希尔排序的实现思路是&#xff1a;先将整个待排序的记录序列分割成为若干子序列分别进行直接插入排序&…

VLAN协议与单臂路由

文章目录 VLAN协议与单臂路由一、VLAN的概念及优势1、分割广播域2、VLAN的优势3、VLAN数据帧 二、VLAN的种类1、静态VLAN2、动态VLAN3、VLAN划分方式 三、静态VLAN的配置1、VLAN的范围2、静态VLAN的配置2.1 配置静态VLAN的步骤2.2 vlan三种端口类型举例&#xff1a;配置静态VLA…